[發明專利]一種基于殘差域迭代優化網絡的低劑量CT重建方法

在審

• 申請號: 202210765963.5
• 申請日: 2022-07-01
• 公開（公告）號: CN115731158A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 劉進;亢艷芹;強俊;劉濤;吳凡;孫宇;晏宇豪
• 申請（專利權）人: 安徽工程大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T11/00;G06N3/0495;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 安徽知問律師事務所 34134
• 代理人: 于婉萍

本發明公開了一種基于殘差域迭代優化網絡的低劑量CT重建方法，屬于計算機斷層成像技術領域。本發明的低劑量CT重建方法，首先，通過添加圖像域及投影域殘差建立低劑量CT重建的多目標優化函數；然后，對該多目標優化函數進行分解求解，其中可直接優化部分采用迭代求解計算，殘差域更新部分采用卷積稀疏編碼網絡來實現；最后，通過模塊級聯形式實現低劑量CT的迭代重建。此外，為提高初始優化值，本發明采用圖像域的卷積稀疏編碼網絡來獲得首次重建圖像的更新。采用本發明的方法可以提高網絡的重建效果、收斂性及泛化能力，并減少低劑量重建圖像中的噪聲偽影，提高成像效果。

技術領域

本發明屬于計算機斷層成像技術領域，更具體地說，涉及一種基于殘差域迭代優化網絡的低劑量CT重建方法。

背景技術

在眾多醫學影像設備中，X射線計算機斷層成像(Computed Tomography,CT)具有掃描時間快、圖像清晰等特點，已廣泛應用于各種疾病的篩查與診斷中，是目前各級醫院不可缺少的醫療設備之一。然而，CT檢查中射線照射濫用、設備落后等現象造成輻射劑量的大幅增加。據美國國家輻射保護與測量委員會(NCRP)研究表明，CT是目前最大的患者輻射負擔來源，超過50％的醫療輻射與CT臨床使用相關。此外，由于X射線輻射具有累積效應，隨著檢查次數的增加，傷害時間會延長，尤其是給兒童、孕婦、老年人等高敏感人群帶來極大安全風險。為此，國際輻射防護委員會曾經建議，在不影響圖像診斷的前提下，要盡可能降低X射線劑量。我國國家健康委員會也于2018年發布了《X射線計算機斷層攝影成年人診斷參考水平》，以規范和控制CT掃描中的輻射劑量。

然而，降低或者減少X射線強度或時間，會導致掃描信號信噪比下降或缺失，并導致重建圖像退化，如低劑量圖中存在斑點噪聲和星條狀偽影，影響醫師的診斷。在不改變原硬件條件下，提高低劑量掃描下的成像效果主要有這三種途徑：一、從CT圖像角度出發：研究人員設計專業的圖像復原及處理算法，以降低噪聲和抑制偽影，可獲得高信噪比和高對比度的圖像。但不同掃描設備、掃描模式及重建方法下，CT圖像的噪聲偽影表征差異大，且缺乏原始數據的補充，這也導致該類方法效果有限。二、從CT投影數據角度出發：對原始數據或對數變換后的投影數據進行降噪、復原等處理，以提高投影數據的一致性，進而可提高重建效果。但由于投影數據敏感性較高，處理過程中，易出現欠校正、過校正及數據一致性下降等情況。三、從圖像重建算法角度出發：近年來大量的迭代重建算法被提出并取得了優異的成績，尤其是基于先驗信息約束的統計迭代重建算法。但是這類算法面臨的主要問題有：超參數多，難以自適應優化；算法復雜度高，需要重復迭代計算；先驗信息不穩定，泛化能力差等，使得迭代重建在臨床應用場景下難以充分發揮其價值。雖然“低劑量成像”中仍存有諸多問題，但這些都將是未來CT研究領域的重要指標，也是X射線成像發展的主要方向。

經檢索，中國專利申請號為2020113716246的申請案公開了一種基于深度學習的低劑量錐束CT圖像重建方法，包括以下步驟：將低劑量錐束CT原始投影數據變換為多幅投影圖像；將多幅投影圖像分別輸入至已訓練好的投影域深度卷積神經網絡，由投影域深度卷積神經網絡預測投影圖像中的噪聲分布，并從中減去噪聲分布，輸出相應的高質量投影圖像；對所得到的高質量投影圖像進行三維重建，得到錐束CT圖像；進一步包括：將三維重建得到的錐束CT圖像輸入至已訓練好的圖像域深度卷積神經網絡，以由圖像域深度卷積神經網絡消除錐束CT圖像中的噪聲和偽影，輸出高質量的錐束CT圖像作為最終的重建結果。該方法雖然取得較好的重建效果，主要是通過重建階段前的投影域處理和重建階段后的圖像域處理相結合，側重于投影域前處理及圖像域后處理。